MIT用AI改善串流播放效能，线上追剧不再卡卡的

麻省理工学院（MIT）的电脑科学暨人工智能实验室（Computer Science and Artificial Intelligence Laboratory，CSAIL）准备在下周举行的SIGCOMM计算机通讯网络会议上展示一项新的AI系统，此一基于机器学习的“储思盆”（Pensieve）系统将能用来改善串流影片的效能，减少影片像素化或停摆的概率，以创造更好的观赏经验。

全球最大影片分享平台YouTube是利用自适性比特率（adaptive bitrate，ABR）的各种算法来创造更连贯的观赏经验，这些算法会把影片切成小块以方便下载，当网络缓慢时，YouTube就会调降影片的分辨率，于是便会出现像素化，假设使用者快转，重新缓冲的结果则会让影片定格。

CSAIL指出，尽管ABR运算法通常是有效的，但使用者的期望却是无边的，总是希望能观赏到高清且顺畅的串流影片。

MIT教授Mohammad Alizadeh表示，许多研究显示使用者会在画质太差时放弃观赏该影片，而这将造成出版商广告收入的流失。因此，他与CSAIL团队共同打造了Pensieve系统，该系统可根据网络状态来选择不同的算法，而带来更高品质的串流经验。

Pensieve系统的作法是把每一个ABR算法当成一个神经网络，并在不同带宽或缓冲的环境中反复进行测试，以奖励与处罚机制来调整算法，例如当带来高分辨率与不需缓冲的串流经验时便得到奖励，借此学习可影响效能的各种策略，并判断最佳策略。Pensieve系统也支援客制化设定，例如可想像使用者的个性来决定是品质或顺畅优先。

实验发现，透过Pensieve系统串流影片时，重新缓冲的概率比其他作法少了20~30%，同时其体验品质（QoE）则高出了25%。

由于Pensieve系统的训练是基于单月的影片串流数量，Alizadeh认为假使拥有Netflix或YouTube等级的影片串流规模，它的效能将更为惊人。该团队的下一步则是把Pensieve系统应用在虚拟实境（VR）影片上。

MIT介绍影片：